大家好，我卡颂。

当我们看一个开源项目时，基本都会看下他有多少star。虽然Github Star是一个虚荣指标，但却有实际意义，比如：

• 很多开发者会关注Github Star增长趋势，更多的star会获得更多关注
• star数量往往是技术选型的一个依据。即使你的团队最终没有使用一个star很多的开源库，但通常也不会使用一个star很少的库

换个思路来看也许更能体现Github Star的价值 —— 「软件开源」并不意味着不赚钱，这只是一种产品开发策略。star数一定程度上反映了这种策略执行的是否成功。

而「策略执行是否成功」又会影响投资人的投资决策，以及团队能否以更低成本（甚至白嫖）招募优秀的开发人员。

有利益驱动就会有刷量、造假行为出现。既然微博僵尸粉都能影响广告主的投放决策，那Github Star造假就不足为奇了。

那么，一个Github Star值多少钱？

Star的售价

网上已经有公开渠道购买Github Star，比如：GitHub24或Baddhi Shop[1]（在这个网站，你能花钱刷各种网站的行为数据，甚至能刷IMDb电影评分）。

Star的售价差异很大，比如：

• 64刀可以买到1000个三无账号的star。
• 要买到100颗有活跃行为账号的star，可能得85刀。

如何识别刷Star

之所以两者差异巨大，是因为鉴别难度不同。

对于这个zadahmed/music_recommender^[2]仓库，可以明显看到有部分点赞者的账号是同一天注册的：

再深究的话，会发现这些点赞账号还有很多共性，比如：

• Followers < 1。
• Following < 1。
• 个人公开仓库数量 < 4。
• 很多个人信息（比如邮箱、简介）为空。

这类共性让这些假账号很容易被识别，Github官方会定期清理这些账号。所以，如果你花钱刷了1000star，可能过一个月就都消失了。

除了Github官方以外，还有些工具可以识别假账号，比如：

• astronomer[3]
• fake-star-detector[4]

想想，如果自己的项目好不容易做出点名气，但被人扒出曾经刷star，那就尴尬了。

识别高端造假

但对于那些高价刷的star，这类检测机制就不太好用了。因为这类账号会模仿正常开发者的行为，光从行为数据上，很难将他们和正常开发者区分。

这里开源编排平台dagster[5]提供了一个检测思路 —— 他们使用一种被称为unsupervised clustering（无监督聚类）的机器学习技术。简单来讲，我们可以用一组行为特征来描述一个Github账号，比如：

• 提交代码。
• 给其他仓库提PR。
• star某个项目。
• 修改个人简介。

这样就能将这个Github账号表示为高维向量空间中的一个点。那些向量空间中相近的点对应的Github账号，可以被归类为同类账号。

基于以上原理，dagster成员新建了个仓库，并高价刷了star：

这么做的目的是用那些点star的Github账号做聚类分析，标记出一个类。当完成聚类后，如果发现某个Github账号也属于这个类，那就可以怀疑这个账号也是假账号。

那么，为什么假账号能够聚类呢？这是因为这些账号虽然在模仿正常开发者，但他们之间也有很多类似行为，比如：

• 他们的行为可能都是同一个脚本在操作，那么在行为逻辑、行为执行的时间上比较类似。
• 他们都会给同一批仓库（服务的买主）点star。

举个例子，有两个Github账号，虽然他们之间并无交集（仓库的编程语言不同、开发者国籍不同...），但他们都在某几天做着同类的事（比如先浏览一些仓库，再发表评论，最后给某个仓库star），那么他们会被划分为同类。

如果他们的同类中有实锤的假账号，那么他们大概率也是假账号。

在下面的图表中，衡量了上述刷star的仓库（100% star都是刷的）中，点了star的那些Github账号的行为，其中：

• 横轴是日期跨度。
• 纵轴是账号交互的仓库总数。
• 蓝色部分是所有用户。
• 红色部分是明确的假Github账号。
• 黄色部分是根据聚类，被怀疑的假账号。

由于已知这个仓库的所有star都是刷的，所以其实黄色部分的账号也都是假账号，通过聚类的方式他们被很好的识别出来了（和红色部分同类）。

而对于完全没有刷star的项目（这里以dagster[6]为例），点star的用户行为基本不会与假账号有交集：

对于一个刷了star，同时又有实际参与者的项目，分析结果如下图：

总结

虽然star数是虚荣指标，但由于他是很多决策的参考依据，这就诞生了「刷star」的需求。

比如，okcash[7]是一款开源的加密货币，有578star。

但是，经过上述dagster的方式检测后会发现，所有为okcash点star的账号中，疑似虚假刷star的账号占比达到97% 。相信这一结果会对这款加密货币的市场信心造成一定影响。

如果你也想用dagster的方式检测其他开源库，可以参考这里[8]。

参考资料

[1]Baddhi Shop:https://baddhi.shop/shop/。

[2]zadahmed/music_recommender:https://github.com/zadahmed/music_recommender/stargazers。

[3]astronomer:https://github.com/Ullaakut/astronomer。

[4]fake-star-detector:https://github.com/dagster-io/fake-star-detector/blob/main/fake_star_detector/assets/simpler_model.py。

[5]dagster:https://dagster.io/blog/fake-stars#lets-go-star-shopping。

[6]dagster:https://github.com/dagster-io/dagster。

[7]okcash:https://github.com/okcashpro/okcash。

[8]这里:https://github.com/dagster-io/fake-star-detector/blob/main/fake_star_detector/assets/complex_model.py。